• 한국통신학회논문지
• /
• 제32권6C호
• /
• pp.579-584
• /
• 2007

최근 다시점 비디오를 효율적으로 부호화하기 위해 다양한 시공간 예측 구조들이 제안되었다. 이 논문에서는 다시점 비디오 부호화 예측 구조에서 각 GOP의 첫 화면들에 삽입되는 B$_{ANC}$ 화면을 위해 양자화 계수를 결정하는 방법을 제안한다. 각 시점의 영상 화질을 균일하게 유지하고 전체적인 부호화 효율을 높이기 위해 B$_{ANC}$ 화면의 양자화 계수를 적응적으로 조절하며, 인접한 두 참조화면의 비트-왜곡 비용값을 사용하여 상관도를 추정하고 이를 이용하여 B$_{ANC}$ 화면의 양자화 계수를 결정한다. 이 논문에서 제안한 방법을 다시점 비디오 참조 예측 구조에 적용하여 부호화한 결과, 0.09$\sim$0.16 dB 정도의 PSNR 개선을 얻었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제11권11호
• /
• pp.5392-5418
• /
• 2017

The primary aim of this paper is to propose a non-linear regression based technique for mapping different network Quality of Service (QoS) factors to an integrated end-user Quality of Experience (QoE) or Mean Opinion Score (MOS) value for an online video streaming service on a mobile phone. We use six network QoS factors for finding out the user QoE. The contribution of this paper is threefold. First, we investigate the impact of the network QoS factors on the perceived video quality. Next, we perform an individual mapping of the significant network QoS parameters obtained in stage 1 to the user QoE based upon a non-linear regression method. The optimal QoS to QoE mapping function is chosen based upon a decision variable. In the final stage, we evaluate the integrated QoE of the system by taking the combined effect of all the QoS factors considered. Extensive subjective tests comprising of over 50 people across a wide variety of video contents encoded with H.265/HEVC and VP9 codec have been conducted in order to gather the actual MOS data for the purpose of QoS to QoE mapping. Our proposed hybrid model has been validated against unseen data and reveals good prediction accuracy.

• 디지털콘텐츠학회 논문지
• /
• 제18권1호
• /
• pp.141-147
• /
• 2017

스케일러블 HEVC에서 상위계층의 계층 간 예측에서 기본계층의 부호화 잔차 영상에 대한 업샘플링 된 결과를 참조하여 예측하게 된다. 본 논문에서는 고효율 영상 압축 기반 스케일러블 부호화 (Scalable Extension of High Efficiency Video Coding)에서 상위계층 잔차 데이터 예측에 대한 개선 기법을 제안한다. 제안하는 적응적 필터 선택 기법은 스무싱 필터와 샤프닝 필터를 사용함으로써 계층 간 예측 방법에서 효율을 향상시킨다. 기존의 업샘플링 필터와 두 개의 필터를 추가하여 율-왜곡 비용함수 기반의 경쟁기법을 통한 계층 간 예측 알고리즘을 SHVC 5.0에 구현함으로써 Y, U, V 컴포넌트에 대한 평균 1.5%, 2.1%, 1.7%의 BD-rate 향상을 보여준다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권6호
• /
• pp.3165-3181
• /
• 2019

Spherical videos, which are also called 360-degree videos, have become increasingly popular due to the rapid development of virtual reality technology. However, the large amount of data in such videos is a huge challenge for existing transmission system. To use the existing encode framework, it should be converted into a 2D image plane by using a specific projection format, e.g. the equi-rectangular projection (ERP) format. The existing high-efficiency video coding standard (HEVC) can effectively compress video content, but its enormous computational complexity makes the time spent on compressing high-frame-rate and high-resolution 360-degree videos disproportionate to the benefits of compression. Focusing on the ERP format characteristics of 360-degree videos, this work develops a fast decision algorithm for predicting the coding unit depth interval and adaptive mode decision for intra prediction mode. The algorithm makes full use of the video characteristics of the ERP format by dealing with pole and equatorial areas separately. It sets different reference blocks and determination conditions according to the degree of stretching, which can reduce the coding time while ensuring the quality. Compared with the original reference software HM-16.16, the proposed algorithm can reduce time consumption by 39.3% in the all-intra configuration, and the BD-rate increases by only 0.84%.

• 방송공학회논문지
• /
• 제20권4호
• /
• pp.533-544
• /
• 2015

최근에 대부분의 비디오 서비스는 무선 네트워크를 통해서 전송된다. 하지만 무선 네트워크 환경에서 비디오 패킷은 전송되는 동안 오류에 노출되기 쉽다. 이러한 문제를 해결하기 위해 본 논문에서는 새로운 오류 은닉 (Error Concealment : EC) 알고리즘을 제안한다. 제안하는 알고리즘에서는 High Efficiency Video Coding (HEVC) 환경에서 시간적 상관도를 이용한 적응적인 예측 단위 기반의 움직임 벡터 외삽 (Adaptive Prediction Unit-based Motion Vector Extrapolation : APMVE)과 공간적 상관도를 이용한 경계 정합(Boundary Matching : BM) 알고리즘을 이용한다. APMVE는 시간적 상관도를 기반으로 손실 프레임 이전 프레임의 예측 단위(Prediction Unit : PU)를 이용하여 오류 은닉 기본 단위 (Error Concealment Basic Unit : ECBU)를 적응적으로 결정하고 BM은 공간적 상관도를 이용하여 비신뢰 블록 (Unreliable Block)들에 한하여 수행한다. 제안하는 알고리즘은 기존 알고리즘에서 나타나는 블록킹 열화를 효과적으로 제거하여 높은 주관적 화질을 보여준다.

• ETRI Journal
• /
• 제32권4호
• /
• pp.577-587
• /
• 2010

The layered coding structure of scalable video coding (SVC) with adaptive inter-layer prediction causes noticeable computational complexity increments when compared to existing video coding standards. To lighten the computational complexity of SVC, we present a fast algorithm to speed up the inter-mode decision process. The proposed algorithm terminates inter-mode decision early in the enhancement layers by estimating the rate-distortion (RD) cost from the macroblocks of the base layer and the enhancement layer in temporal, spatial, and inter-layer directions. Moreover, a search range decision algorithm is also proposed in this paper to further increase the motion estimation speed by using the motion vector information from temporal, spatial, or inter-layer domains. Simulation results show that the proposed algorithm can determine the best mode and provide more efficient total coding time saving with very slight RD performance degradation for spatial and quality scalabilities.

• 방송공학회논문지
• /
• 제13권3호
• /
• pp.328-338
• /
• 2008

H.264/AVC기반의 다시점 영상 부호화 기술은 시점간 상관성을 이용한 새로운 예측 방법을 이용하여 여러 대의 카메라로부터 촬영된 영상을 효율적으로 부호화하는 기술이다. 그러나 다시점 부호화 기술은 시점의 증가와 시점간 예측의 사용으로 인해 부호화 시간이 크게 증가한다. 본 논문은 부호화 시간을 줄이기 위해 다시점 영상에서 시점간에 대응하는 마크로블록 (Macroblock) 기반 영역 분할 정보와 시점간의 전역 변이 벡터를 이용한 고속 모드 결정 방법을 제안한다. 제안하는 방법은 다시점 영상 부호화 표준의 참조 소프트웨어인 joint multi-view video model (JMVM) 4.0에 비해 약 0.04dB의 화질 열화를 보이지만 전체 부호화 시간을 평균적으로 40% 단축할 수 있었다.

• 한국통신학회논문지
• /
• 제24권12B호
• /
• pp.2349-2358
• /
• 1999

본 논문에서는 스테레오 동영상의 객체기반 부호화 기법을 제안하였다. 스테레오 영상열의 정보량을 줄이면서 블록화 현상이나 모스키토 현상과 같은 블록정합 기반 방법의 예측오차를 줄이기 위해서는 객체기반 부호화 기법이 필요하다. 객체기반 방법에서는 부호화에 적절한 객체를 추출하기가 어렵고, 추출된 객체에 대해서 프레임이 지남에 따라 갱신해 주어야 하는 문제점이 발생한다. 이를 개선하기 위해서 제안된 방법에서는 전처리, 객체추출, 객체갱신 과정을 사용하였다. 전처리 과정에서는 움직임과 변이 예측의 신뢰성이 낮은 영역을 비객체영역으로 분할하여 부정확한 객체의 추출을 방지하였다. 객체추출 과정에서는 좌영상의 예측을 향상시키기 위해 기존의 움직임과 밝기값을 고려하는 영상분할법에 변이를 추가함으로서 객체기반 부호화에 적합한 객체를 추출하였다. 그리고 객체갱신 과정에서는 새로운 객체의 추출, 객체분할, 객체 병합을 적용하여 누적 오차를 줄였다.

• 한국정보기술학회 영문논문지
• /
• 제10권2호
• /
• pp.33-48
• /
• 2020

By Digital Transformation, new technologies like ML (Machine Learning), Big Data, Cloud, VR/AR are being used to video streaming technology. We choose ML to provide optimal QoE (Quality of Experience) in various network conditions. In other words, ML helps DASH in providing non-stopping video streaming. In DASH, the source video is segmented into short duration chunks of 2-10 seconds, each of which is encoded at several different bitrate levels and resolutions. We built and compared the performances of five prototypes after applying five different machine learning algorithms to DASH. The prototype consists of a dash.js, a video processing server, web servers, data sets, and five machine learning models.

• 정보처리학회논문지B
• /
• 제10B권5호
• /
• pp.553-560
• /
• 2003

웨이블릿 변환(Wavelet Transform)된 비디오는 주파수와 해상도가 다근 부대역으로 분해되므로 전송 오류가 발생한 패킷의 위치에 따라 복원된 프레임 간 화질 편차가 크게 된다. 복원된 프레임의 화질 변화가 클수록 사용자가 느끼는 비디오의 화질은 떨어진다. 특히, 움직임 예측을 이용한 웨이블릿 비디오의 경우, 특정 부대역에서 발생한 오류는 같은 프레임의 다른 부대역 뿐 아니라 이후 프레임의 화질에도 지속적인 영향을 미치게 된다. 본 논문에서는 웨이블릿 기반 비디오를 네트워크로 전송하기 위해 패킷화론 수행할 때, 오류발생 패킷의 위치에 관계없이 일정한 화질을 유지하며 오류 은닉이 쉬운 블록기반 패킷화 기법인 BDP(Block based Dispersive Packetization)를 제안한다. 본 논문은 MRME(Multi-Resolution Motion Estimation)글 적용하여 압축된 비디오와 무선 네트워크에서의 오류 발생 모델을 이용하여 성능평가를 수행하였다. 실험결과 제안된 기법은 프레임을 일정한 블록으로 분할하여 순차적으로 패킷화하는 BP나 픽셀단위로 분산하는 DP기법에 비해 주ㆍ객관적인 성능 모두 뛰어남을 알 수 있었다.